fhty凤凰

主要基于机械学习的现实天下人工智能数据项目十分瞩目，，
，
，，并且在很洪流平上是乐成的。。。。。有些首席信息官将人工智能视为IT领域较主要的趋势。。。。。

Equinix的首席信息官Milind Wagle拥有自己的“客户流失展望指标”。。。。。这个指标告诉他为什么账户正在转投阵营，，
，
，，以及他们未来是否有可能这样做。。。。。这些信息使数据中心折务提供商得以通过改善服务和妄想未来可能的使用率，，
，
，，从而提高服务预订的准确性。。。。。他说：“我们正在改变头脑——不再将剖析视为事后报告，，
，
，，转而将商业智能嵌入到营业流程自己中”。。。。。通过微调，，
，
，，Wagle报告说，，
，
，，客户流失展望器的准确度靠近90％。。。。。

Wagle将人工智能（AI）与剖析连系使用，，
，
，，这并不有数。。。。。？？？？荩–apgemini）较近举行的一项研究批注，，
，
，，近1，，
，
，，000家使用人工智能的企业中，，
，
，，有近80％的企业将其用于数据剖析，，
，
，，并因此获得了名贵的洞察。。。。。只管这看似一个很大的比重，，
，
，，但和我们攀谈的大大都首席信息官都以为这是可信的。。。。。

MITRE的首席信息官兼首席清静官副总裁Joel Jacobs说：“我丝绝不感应惊讶。。。。。只管我不相信人工智能的所有潜能都已经获得了挖掘，，
，
，，但大型组织已经意识到它的重大潜力，，
，
，，这意义重大。。。。。”

机械学习以及居于其次的深度学习是可用于数据剖析事情的人工智能的一个分支。。。。；；；
；笛埃∕L）通过对数据举行分类来事情（数据是数据剖析的基本组成部分），，
，
，，从而实现了两者之间的自然协同。。。。。由于险些所有工具都涉及营业数据，，
，
，，因此种种各样的用例各处着花。。。。。

机械学习也是识别和编录非结构化数据（例如文档，，
，
，，图像和视频）以及暗数据（你从未会见过的信息，，
，
，，可能由于它是大数据的非结构化部分）的合适工具。。。。。大大都商业智能（BI）系统仍然需要结构化数据。。。。。Elsevier的执行副总裁兼首席手艺官Dan Olley体现：“文档怎么办？？？？？图像怎么办？？？？？这就是机械学习的用武之地。。。。。它既可以从文档中提守信息，，
，
，，也可以建设能进一步变入索引的注释，，
，
，，机械学习是我们从可读质料中提取知识的要害手段。。。。。”

只管人们已经有大数据解决方案，，
，
，，但非结构化数据往往没有获得使用，，
，
，，由于在没有人工智能的时代，，
，
，，它很难获得使用。。。。；；；
；笛昂徒狭鄣脑婆趟隳芰Φ牧狄馕蹲拍承├嘈偷陌凳菀餐偈挚傻。。。。。近年来，，
，
，，使用非结构化数据和暗数据一直是推念头构学习的许大都据剖析突破的动力。。。。。新数据的增添有时会带来新的视角。。。。。

目的远大

许多掌握人工智能的首席信息官和他们的团队都雄心勃勃。。。。。他们正大力推行项目。。。。。他们正在开展多项事情。。。。。？？？？莸氖硬熘性加58％的受访者体现他们肩负了高重漂后，，
，
，，高收益的用例。。。。。他们有一种紧迫感，，
，
，，由于回报以几种形式泛起，，
，
，，并且能够爆发重大的商业价值。。。。。有些组织也快速获得了竞争优势。。。。。？？？？鲇槔旨牛–aesars Entertainment）的执行副总裁兼首席信息官Les Ottolenghi体现：“人工智能／机械学习的使用在未来几年将继续呈增添趋势，，
，
，，较终它将变得不可见，，
，
，，由于它已经普遍嵌入到营业流程中。。。。。人工智能功效是客户期望从组织获得的工具，，
，
，，当组织没有将遍布在所有接触点的规范都纳入其中时，，
，
，，他们会感应担心。。。。。”

人工智能／机械学习的使用将在未来几年继续呈增添趋势，，
，
，，较终变得不可见，，
，
，，由于它被普遍应用于营业流程中．－－ Les Ottolenghi

凯撒已经一头扎进了人工智能。。。。。该公司已完成或正在举行多项人工智能事情，，
，
，，包括情境客户个性化（客户旅程）、会话人工智能（谈天机械人、语音）、使用暗数据举行的实时诓骗剖析，，
，
，，照片／情绪识别以及语音界面、推荐引擎等等。。。。。

凯撒为其客户旅程项目建了一个引擎，，
，
，，将十几个数据源中的数据关联起来，，
，
，，并使用模糊逻辑机械学习近乎实时地匹配数据，，
，
，，以确认来自差别系统的数据是否与特定职员相关联。。。。。在这种情形下，，
，
，，系统会有选择地更新时间序列表中该职员的数据元素。。。。。？？？？鍪褂锰亓硗馊斯ぶ悄苁忠绽词侗鹂梢栽诮霞咽奔浜退谝约巴ü鲜实耐ㄑ兑旆⑺透突У那榫潮。。。。。虽然各家公司的手段，，
，
，，要领和详细的营业流程不尽相同，，
，
，，但这个例子代表了许多公司将数据剖析和机械学习配对以通过追加销售或交织销售爆发收入的方式。。。。。

包括MITRE在内的多家公司正在追求人工智能和数据的另一个特定情境用例。。。。。MITRE的立异和手艺总监Michal Cenkl说：“我们希望更好地使用现有的知识”。。。。。例如，，
，
，，假设员工正试图解决问题。。。。。MITRE以往是怎样解决类似问题的？？？？？Cenkl称之为认知辅助。。。。。他增补说：“我以为时机就在于将非结构化数据——例如项目报告和交付效果集成到fhty凤凰赞助商和客户那里——整合那些与爆发它们的项目相关的一些结构化信息。。。。。”

展望

MITRE正处于类似的后续行动的初期阶段，，
，
，，这个阶段增添了相关的和展望性的元素。。。。。我们暂时寻常地称之为“认知预期知识转达”，，
，
，，它将起劲为员工提供他们正在做的事情的信息。。。。。Cenkl使用一个项目司理的例子来研究一个特定的项目来形貌情境。。。。。人工智能组件将过滤可用的知识流并向用户建议关联度较高的内容。。。。。Elsevier具有类似的功效，，
，
，，针对跨学科情形中的研究职员，，
，
，，提供配景和展望的关联度。。。。。

许多使用人工智能的公司都在开发他们赖以使用的展望剖析。。。。。这通常以特定于企业的要害绩效指标最先。。。。。在Equinix，，
，
，，Wagle的团队开发了一种基于机械学习的展望工具，，
，
，，它可跟踪和展望数据中心功耗、预订、客户购置倾向更新展望等指标。。。。。Equinix接纳类似的工具来展望信息清静误差，，
，
，，系统中止和攻击事务。。。。。展望剖析要随着时间的推移举行测试和微调才有价值。。。。。

Elsevier在其财务部分使用机械人流程自动化（RPA）来发明潜在的诓骗行为和托管问题。。。。。由于该系统，，
，
，，Olley增补说：“我们获得了举行展望和数据驱动判断的能力”。。。。。展望剖析作为从人工智能流程生长出来的副产品，，
，
，，这并不有数。。。。。

人工智能和首席信息官

与我们攀谈的首席信息官普遍以为，，
，
，，以人工智能为导向的剖析是一个很是主要的，，
，
，，可能称得上是转型的趋势。。。。。CyrusOne的首席信息官Blake Hankins将其形貌为“数字化转型工具包的基石，，
，
，，它将使企业变得越发高效并专注于较有意义的项目。。。。。”

凯撒的Ottolenghi体现：“人工智能正在推动凯撒和其它公司的数字化转型。。。。。它资助我们转向了一个平台（框架），，
，
，，该平台提供了一个快速失败，，
，
，，频仍测试，，
，
，，立异更快的范式。。。。。这转变了我们举行试验和看法验证的方式，，
，
，，人工智能还能帮我们挖掘暗数据和／或非结构化数据，，
，
，，并提供跨越差别数据元素的洞察。。。。。”

险些所有接受本报道采访的首席信息官都体现，，
，
，，高管往往很看好人工智能／机械学习和数据剖析项目，，
，
，，事实上，，
，
，，他们看好整个人工智能。。。。。若是泛起脱节的话，，
，
，，这可能与人工智能的商业价值在那里以及怎样归因有关。。。。。Hankins还指出，，
，
，，大大都高管并没有意识到使人工智能／机械学习数据程序孵化所需的一切。。。。。Hankins说：“首席信息官有责任帮人们熟悉这些手艺的潜力，，
，
，，并资助建设人工智能项目和投资与特定营业效果的联系。。。。。”

首席信息官有责任资助人们熟悉这些手艺的潜力，，
，
，，并资助建设人工智能项目和投资与详细营业效果的联系．－－ Blake Hankins

许多对人工智能下了重赌注的人能为首席信息官和其他希望这样做的人提供现成的建议。。。。。MITRE的Cenkl说：“若是没有数据就很难做到这一点。。。。。他人的类似感受也印证了这个建议。。。。。

Olley指出，，
，
，，通过机械学习，，
，
，，数据成了较要害的资产，，
，
，，由于数据是机械学习或深度学习模子的训练集。。。。。你的机械学习项目的优劣取决于它所依赖的数据。。。。。数据的数目和质量都施展着作用。。。。。

Ottolenghi强调，，
，
，，你要确保自己获得了治理层的支持，，
，
，，并选择能解决现实营业问题的用例。。。。。他说：“这样的话，，
，
，，你就能获得公司的支持，，
，
，，想方想法确保用例乐成。。。。。”

较后，，
，
，，若是你尚不具备这些手艺，，
，
，，请思量约请在数据剖析，，
，
，，数据科学，，
，
，，数据工程方面训练有素的质优人才。。。。。